Documente Academic
Documente Profesional
Documente Cultură
Control de Procesos
• Causas comunes y especiales de variación
• Cartas de control para variables
• Cartas de control para atributos
• Interpretación de las cartas de control y causas de la
inestabilidad.
• Calidad de las mediciones (estudio R&R)
Objetivo de la Unidad 4
• Al finalizar esta unidad usted debería ser capaz de controlar el
desempeño de un proceso de manufactura o servicio
• ¿Qué cree usted que es el control de procesos?
Variación
VARIACION
• CAUSAS COMUNES
• Factores presentes de forma natural en un proceso y son el resultado del
diseño del producto y del sistema de producción, representando el 80 a 95
por ciento de la variación observada.
Causa
común
Patrón
natural
Variación – Causas comunes
• Ejemplos:
• Procedimientos inapropiados
• Pobre diseño
• Pobre mantenimiento de máquinas
• Carencia de procedimientos estándares de operación claramente
definidos
• Pobres condiciones de trabajo, por ejemplo, iluminación, ruido, polvo,
temperatura, ventilación
• Materia prima subestándar
• Aseguramiento del error
• Error en el control de calidad
• Vibración en procesos industriales
• Temperatura y humedad ambiental
• Desgaste y roturas normales
• Variabilidad en los ajustes
• Tiempo de respuesta de los computadores
Variación – Causas especiales
• También conocido como causas asignables de la variación,
corresponde a la variación restante del proceso de producción.
• Surgen de fuentes externas al proceso.
• Aparecen de manera esporádica e interrumpen el patrón aleatorio
de las causas comunes.
• Suelen detectarse con facilidad utilizando métodos estadísticos y en
general resulta económica su corrección
• Ejemplos de factores comunes que originan causas especiales:
• Mal lote de material de un proveedor
• Operador sustituto mal entrenado
• Herramienta rota o desgastada
• Instrumentos de medición mal calibrados
VARIACION
• CAUSAS ESPECIALES
• También conocido como causas asignables de la variación, corresponde a la
variación restante del proceso de producción.
• Surgen de fuentes externas al proceso.
• Aparecen de manera esporádica e interrumpen el patrón aleatorio de las
causas comunes.
• Suelen detectarse con facilidad utilizando métodos estadísticos y en general
resulta económica su corrección
• Ejemplos de factores comunes que originan causas especiales:
• Mal lote de material de un proveedor
• Operador sustituto mal entrenado
• Herramienta rota o desgastada
• Instrumentos de medición mal calibrados
Variación – Causas especiales
• Está caracterizada por:
• Fenómeno nuevo, sin anticipar, emergente o previamente
ignorado dentro del sistema;
• Variación inherentemente impredecible, incluso
probabilísticamente;
• Variación fuera de la base de experiencia histórica; y
• Evidencia de algún cambio inherente en el sistema o de nuestro
conocimiento de él.
Causa
asignable
Causa
especial
Patrón no
natural
Variación – Causas especiales
• Ejemplos:
• Pobre ajuste del equipo
• Operador se queda dormido
• Controladores defectuosos
• Malfuncionamiento de las máquinas
• Malfuncionamiento de los computadores
• Lote de materia prima de mala calidad
• Variaciones de energía
• Alta demanda de cuidados médicos por los ancianos
• Tráfico anormal (fraude de clicks) en los avisos de internet
• Tiempo de duración de las pruebas de laboratorio
extremadamente grandes debido al cambio a un nuevo sistema
de computadores
• Ausencia del operador
•El proceso
CAUSAS
quedará fuera
COMUNES
de control
+3s
Media
-3s
LCL
Un proceso está en control si:
• No hay puntos que fuera de los límites de control.
• Cartas p
Porcentajes de ítems defectuosos en una muestra;
un ítem es bueno/malo.
• Cartas c
Usa el número de ítems defectuosos de una muestra.
(número de manchas en una tapiz)
Cartas P
Basadas en la distribución normal
p 1 p
sp
UCL p zs p n
LCL p zs p Z = número de desviaciones
estándar del promedio del
total _ defectuosos proceso
p P = un estimado del promedio
n º observaciones de la muestra
s p= desviación estándar de la
muestra
Tamaño de la Muestra
• El tamaño debe ser adecuado para permitir la
cuenta de los atributos
• La muestra debe tener el tamaño suficiente para
esperar que el atributo se cuente dos veces en
cada muestra. (1%, 200)
Cálculos en P-Chart
0.15
0.10 0.1
0.05
0.01
0.00
0 5 10 Muestra 15 20 25
C-Charts
C es una variable aleatoria de Poisson
Promedio de número de defectos (ocurrencias) por ítem (en
un intervalo) (auto)
UCL c zs c
LCL c zs c
sc c
• Se ocupa cuando no es posible calcular una
proporción de defectos y el número de defectos
debe ser usado
Cálculos en P-Chart
Ejemplo 2: El hotel Ritz tiene 240 habitaciones. El
departamento de limpieza es el responsable de mantener el
hotel limpio. Cada trabajador del área de limpieza esta a cargo
de 20 piezas. Cualquier defecto será reportado al área de
mantenimiento del hotel. Cada pieza es todos los días revisada
por los inspectores. Sin embargo, el jefe del hotel
aleatoriamente revisa las piezas, chequeando si las luces están
buenas, si hay control remoto, si la alarma funciona, etc. Una
inspección incluye 12 habitaciones .
Cálculos en C-Charts
Ejemplo 2: Nº de
Muestra
defectuosos
1 12
2 8
c = 190/15 = 12.67
3 16 UCL = 23.32
4 14 LCL = 1.99
5 10
6 11
7 9
8 14
9 13
10 15
11 12
12 10
13 14
14 17
15 15
Total 190
Ejemplo c-Chart
C-Chart
26.79
23.34
Nº de Defectos
21.79
16.79
11.79 12.67
6.79
1.79 1.99
0 5 10 15 20
Muestra
Cartas de Control de Variables
Cartas de Media (X-Chart).
Medida de tendencia central de una muestra.
Carta de Rango (R-Chart).
Medida de la dispersión de una muestra.
• Lapso de tiempo
• 4 a 5 unidades
= x 50.09
x= = = 5.01 cm
k 10
Example 15.4
X- bar Chart Ejemplo (cont.)
= x 50.09
x= = = 5.01 cm
k 10
5.08 –
UCL = 5.08
5.06 –
5.04 –
X- bar Chart
Promedio
5.02 –
Ejemplo x= = 5.01
5.00 –
4.98 –
4.96 –
4.92 –
| | | | | | | | | |
1 2 3 4 5 6 7 8 9 10
Número de muestra
R- Chart
UCL = D4R LCL = D3R
R
R= k
donde
R = Rango de cada muestra
k = Número de muestras
x-bar Chart Ejemplo
0.28 –
0.24 –
UCL = 0.243
Rango 0.20 –
0.16 – R = 0.115
0.12 –
0.08 –
0.04 – LCL = 0
0– | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10
Número de muestras
Usar X y R chart juntos
• Los promedios de procesos y la variabilidad de los procesos
deben estar en control
R X
Muestra A 4.95 5.05 0.1 5
R X
Muestra A 4.95 5.05 0.1 5
LCL LCL
Observaciones Observaciones
consistentemente por consistentemente por
debajo de la línea sobre la línea central.
central.
¿Cómo puedo obtener los datos?
123,4
125,6
124, 3
125,,3
…
1. Retirar varias
piezas juntas a
intervalos
regulares
7:00 hrs
Proceso
Muestra de 6
piezas
8:00 hrs
Proceso
Muestra de 6
piezas
2. Retirar piezas individuales a
lo largo del intervalo de
tiempo correspondiente al
subgrupo
7:10 hrs
Proceso
1ª piezas
7:20 hrs
Proceso
2ª piezas
7:30 hrs
Proceso
3ª piezas
Por cualquiera de los dos caminos, obtenemos grupos de igual número de
mediciones. Para cada subgrupo calculamos el promedio y el rango
(Diferencia entre el valor máximo y el valor mínimo)
Mediciones
𝑥Ӗ
123,4
125,6
124, 3
125,,3
…
R
Es necesario obtener un gran número de mediciones, divididas en
subgrupos.
Patrones en Cartas de Control
UCL UCL
LCL LCL
Observaciones Observaciones
consistentemente por consistentemente por
debajo de la línea sobre la línea central.
central.
Patrones en Cartas de Control
UCL UCL
LCL LCL
Observaciones Observaciones
consistentemente consistentemente
en alza. decreciendo.
En control: Fuera de control:
- Estable - Inestable
- Opera a un nivel fijo - El nivel cambia, tendencias
- Aleatorio: dispersión constante - Cambios en la dispersión
- Predecible - Impredecible
- Solo están presenten casas “comunes “de variación - Están presenten causas “especiales de variación
Zonas para Tests de Patrones
UCL 3 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ + 𝐴2 𝑅ത
Zone A 2
2 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ + 𝐴2 𝑅ത
Zone B 3
1
Zone C 1 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ + 𝐴2 𝑅ത
Promedio 3
Proceso 𝑥Ӗ
Zone C 1
1 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ − 𝐴2 𝑅ത
3
Zone B 2
2 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ − 𝐴2 𝑅ത
Zone A 3
LCL 3 𝑠𝑖𝑔𝑚𝑎 = 𝑥Ӗ − 𝐴2 𝑅ത
| | | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12 13
Número de muestras
Patrones en Cartas de Control
Prueba 8: Ocho
Prueba 7: puntos
Quince puntos consecutivos
consecutivos más de 1 sigma
dentro de 1 con respecto a
sigma con la línea centra
respecto a la (en cualquiera
línea central de los lados)
(en cualquiera
de los lados)
Zonas para Tests de Patrones
UCL 5.0
Zona A 8
x + 3 sigma
5.05
Zona B x + 2 sigma
5.0
Zona C x + 1 sigma 3
X 5.0
1
Zona C x - 1 sigma 4.9
8
Zona B x - 2 sigma
Zona A x - 3 sigma 4.965
4.94
LCL
Realizando un test de patrón
Muestra x Above / Below Up / Down Zone
1 4.98 B -- B
2 5.00 B U C
3 4.97 B D B
4 4.96 B D A
5 4.99 B U C
6 5.01 -- U C
7 5.02 A U C
8 5.05 A U B
9 5.08 A U A
10 5.03 A D B
Causas de inestabilidad
• Un punto fuera de los límites de
control
• Casi siempre se produce por una
causa especial. Una razón común
puede ser un error en el cálculo
de x o R o error de medición
Causas de inestabilidad
• Cambios repentinos en el promedio
del proceso
• Un número inusual de puntos
consecutivos que caen a un lado de la
línea central casi siempre es una
indicación de que el promedio del
proceso se desplazó en forma repentina
• Ejemplos: introducción de nuevos
trabajadores, materiales o equipos,
cambio de métodos de inspección, una
mayor o menor atención en la
inspección, el proceso ha mejorado o
empeorado.
Causa de inestabilidad
• Tendencia en el nivel del proceso
• Una tendencia es el resultado de alguna causas
que afecta en forma gradual las características
de calidad del producto y ocasiona que los
puntos de las gráficas de control se muevan
gradualmente hacia arriba o hacia abajo.
• Posibles causas:
• Deterioro o desajuste gradual del equipo de
producción
• Desgaste de herramientas
• Calentamiento de máquinas y cambios
• Acumulación de desperdicios
• Cambios graduales de condiciones ambientales
• Mejora en las habilidades del operario
Causa de inestabilidad
• Ciclo recurrente
• Desplazamiento cíclico de un proceso que son
detectados cuando se dan flujos de puntos
consecutivos que tienden a crecer, y luego se
presenta un flujo similar pero de manera
descendente en ciclos
• Los ciclos son patrones cortos repetidos que
alternan altos y bajos.
• Las causas pueden ser: cambios periódicos en el
ambiente, rotación de operarios o la fatiga al
final del turno, diferentes equipos de medición
utilizados, diferencias entre los turnos de la
mañana y noche, cambios de temperatura y
humedad
Causa de inestabilidad
• Mucha variabilidad (abrazando los límites de
control)
• Una señal de que en el proceso hay una causa
especial de mucha variación se manifiesta mediante
una alta proporción de puntos cerca de los límites de
control
• Algunas causas son:
• Sobre control o ajustes innecesarios en el proceso
• Diferencia sistemática en la calidad del material
• Control de 2 o más procesos en la misma carta con
diferentes promedios.
• Cuando en un proceso se utilizan dos lotes de material
diferente
• Cuando las partes se producen en distintas maquinas, per la
vigila el mismo grupo de inspección.
Causa de inestabilidad
• Falta de variabilidad (abrazando la línea
central)
• Es una señal de que hay algo especial en el
proceso y se detecta cuando prácticamente
todos los puntos se concentran en la parte
central de la carta de control
• Causas comunes:
• Equivocación en el calculo
• Agrupamiento en una misma muestra
• Carta de control inapropiado para el estadístico
graficado
Causa de inestabilidad
• Inestabilidad
• Fluctuaciones erráticas y poco
naturales en ambos lados del
cuadro durante un tiempo. A
menudo, los puntos caen fuera
de los límites de control
superior e inferior sin un patrón
consistente. Una causa
frecuente de inestabilidad es el
ajuste excesivo de una maquina
Cartas de control de lecturas individuales I-MR
(datos variables)
• A menudo esta carta se llama “I” o “Xi”
• Esta carta monitorea la tendencia de un proceso con datos variables que no pueden
ser muestreados en lotes o grupos
• Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales
de una unidad o pieza
• Este tipo de gráfica es utilizada cuando las mediciones son muy costosas (Ej.: pruebas
destructivas) o cuando la característica a medir en cualquier punto en el tiempo es
relativamente homogénea (Ej.: el PH de una solución química)
• La línea central se basa en el promedio de los datos, y los límites de control se basan
en la desviación estándar (+/- 3 sigmas)
Cartas de control de lecturas individuales I-MR
(datos variables)
• Terminología:
• k= número de piezas
• n=2 para calcular los rangos
• 𝑥=
ҧ promedio de los datos
• R = rango de un subgrupo de dos piezas consecutivas
ത promedio de los (n-1) rangos
• 𝑅=
Cartas de control de lecturas individuales I-MR
(datos variables)
• 𝐿𝑆𝐶𝑋 = 𝑋ത + 𝐸2 𝑅ത
• 𝐿𝐼𝐶𝑋 = 𝑋ത − 𝐸2 𝑅ത
• 𝐿𝑆𝐶𝑅 = 𝐷4 𝑅ത
• 𝐿𝐼𝐶𝑅 = 𝐷3 𝑅ത
Cartas de control de lecturas individuales I-MR
(datos variables) n D4 D3 E2
• Donde D4, D3, E2 son 2 3,27 0 2,66
constantes que varían 3 2,57 0 1,77
según el tamaño de
4 2,28 0 1,46
muestra usado para
agrupar los rangos 5 2,11 0 1,29
móviles como se muestra 6 2,00 0 1,18
en la tabla siguiente: 7 1,92 0,08 1,11
8 1,86 0,14 1,05
• Generalmente n = 2 9 1,82 0,18 1,01
10 1,78 0,22 0,98
Parte Longitud
Cartas de control de lecturas 1 12,02
Evaluación Exactitud
del Sistema
de Medición Precisión
Ejemplo
Instrumento A Instrumento B
Valor real 0,635 cm 0,635 cm
Lectura del 0,630 cm 0,658 cm
instrumento
• Repetitividad
• Mediciones realizadas por una persona que utiliza el mismo instrumento.
• su nivel de calibración
• Reproducibilidad
• Variación en el mismo instrumento de medición cuando lo usan distintos
individuos para medir las mismas partes
• Indica cuán robusto es el proceso de medición en cuanto al operador y las
condiciones ambientales
• La reproducibilidad es influenciada por
• la capacitación de los operadores para el uso del instrumento
• claridad de las instrucciones o procedimientos en el proceso de medición
• rangos de calibración entre operadores
• rango de mantenimiento
• salud o condición física del operador
• Es posible utilizar enfoques estadísticos para cuantificar y evaluar la variación del
equipo y del operador.
Estudio de Repetitividad y Reproducibilidad (R&R)
Repetitividad Reproducibilidad
2 2 2
𝜎𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝜎𝑚𝑒𝑑𝑖𝑐𝑖ó𝑛 𝜎𝑡𝑜𝑡𝑎𝑙
Estudio de Repetitividad y Reproducibilidad (R&R)
4. Calcule la σ𝑗 σ𝑘 𝑀𝑖𝑗𝑘
medición promedio 𝑥ഥ𝑖 =
para cada operador 𝑛𝑟
σ𝑗 𝑅𝑖𝑗
5. Calcule el rango 𝑅ത𝑖 =
𝑛
para cada parte y σ𝐼 𝑅ത𝑖
cada operador ധ
𝑅=
𝑚
n número de partes
M número de operadores
𝑅ത𝑖 Rango promedio por operador
𝑅𝑖𝑗 Rango para cada parte y cada operador
𝑅ധ Rango promedio general
Estudio de Repetitividad y Reproducibilidad (R&R)
6. Calcule un “límite
de control” sobre los
rangos individuales Límite de control = 𝐷4 𝑅ധ
Rij
VE = 𝐾1 𝑅ധ
VE: Repetitividad, o variación del equipo
VO = 𝐾2 𝑥ҧ𝐷 2 − 𝑉𝐸 2 Τ𝑛𝑟
VO: Reproducibilidad, o variación del operador
R&R = 𝑉𝐸 2 + 𝑉𝑂 2
1 2 3 4 5 6 7 8 9 10
Operador 1 Operador 2 Operador 3
Intento Intento Intento
1 2 1 2 1 2
Muestra
1
2
3
4
5
6
7
8
9
10
Operador 1 Operador 2 Operador 3
Intento Intento Intento
1 2 1 2 1 2
Muestra
1 0,63 0,59 0,56 0,56 0,51 0,54
2 1 1 1,04 0,96 1,05 1,01
3 0,83 0,77 0,8 0,76 0,81 0,81
4 0,86 0,94 0,82 0,78 0,81 0,81
5 0,59 0,51 0,43 0,43 0,46 0,49
6 0,98 0,98 1 1,04 1,04 1
7 0,96 0,96 0,94 0,9 0,95 0,95
8 0,86 0,83 0,72 0,74 0,81 0,81
9 0,97 0,97 0,98 0,94 1 ,03 1,03
10 0,64 0,72 0,56 0,52 0,84 0,81
σ𝑗 σ𝑘 𝑀𝑖𝑗𝑘 𝑥ҧ𝐷 = max 𝑥ഥ𝑖 − min 𝑥ഥ𝑖
𝑥ഥ𝑖 = 𝑖 𝑖
𝑛𝑟
𝑥1 = 0,83
𝑥2 = 0,774
𝑥3 = 0,820
σ𝑗 σ𝑘 𝑀𝑖𝑗𝑘 𝑥ҧ𝐷 = max 𝑥ഥ𝑖 − min 𝑥ഥ𝑖
𝑥ഥ𝑖 = 𝑖 𝑖
𝑛𝑟
𝑥1 = 0,83 𝑥ҧ𝐷 =0,83 − 0,774 = 0,056
𝑥2 = 0,774
𝑥3 = 0,820
𝑅𝑖𝑗 = max 𝑀𝑖𝑗𝑘 − min 𝑀𝑖𝑗𝑘
𝑘 𝑘
Operador 1 Operador 2 Operador 3
Intento Intento Intento
Límite de control = 𝐷4 𝑅ധ
VE = 𝐾1 𝑅ധ
VO = 𝐾2 𝑥ҧ𝐷 2 − 𝑉𝐸 2 Τ𝑛𝑟
R&R = 𝑉𝐸 2 + 𝑉𝑂 2
Pre-control
• Técnica de calidad usada para evaluar la capacidad o aptitud de un
proceso de producción para generar unidades que se ajusten a unas
especificaciones previamente definidas.
• Fue desarrollada como alternativa a los gráficos de control X y R. A
diferencia de éstos, se trata de un método cuyo objeto es supervisar un
proceso teniendo en cuenta directamente las especificaciones del
producto.
Pre-control
• Ventajas:
• No precisa la recopilación y almacenamiento de datos ni su
posterior tratamiento. Esto representa una ventaja frente a
los gráficos de control, sobre todo en situaciones en que el
ciclo de producción es corto y no da tiempo a calcular los
límites de control o a dibujar los gráficos.
• Trabaja directamente con las especificaciones del producto,
mientras que los gráficos de control únicamente tienen en
cuenta los límites de control calculados.
• Puede ser utilizado incluso si la característica a controlar se
trata de un atributo (característica discreta) o una cualidad
visual que no puede ser medida numéricamente
Pre-control
• Desventajas
• No permite detectar cualquier desviación real del proceso,
independientemente de que se encuentre o no dentro de
especificaciones
• No existen gráficas de control, por lo tanto, las reglas y
procedimientos para reconocer patrones de fallas no pueden
ser usados.
• Dado que se requiere una cantidad muy pequeña de
muestras, es riesgoso inferir sobre la totalidad del proceso.
• No proporciona información suficiente para someter el
proceso bajo control o para reducir la variabilidad.
Pre-control
• El nombre pre-control no significa que este procedimiento deba
aplicarse antes de que el proceso dé comienzo, sino que hace
referencia al hecho de que permite detectar problemas en el
proceso, sobre todo en procesos de producción rápidos, antes
de que un gran número de unidades defectuosas sean
generadas, a diferencia de los gráficos de control.
Pre-control
• Aunque el pre-control se creó como alternativa a los gráficos de
control, en la actualidad no se considera un sustituto ya que ambos
métodos persiguen objetivos diferentes.
• El propósito del pre-control es detectar cuándo la proporción de
piezas no conformes es inaceptablemente elevada, mientas que los
gráficos de control están diseñados para revelar desviaciones del
proceso.
• El pre-control tiene como objetivo evaluar la capacidad del proceso,
mientras que los gráficos de control se ocupan de su estabilidad.
• El pre-control supone una herramienta para el control de un proceso
fácil de utilizar, no requiere muestrear una gran cantidad de datos y
está directamente relacionado con las especificaciones del producto.
Pre-control
• Recomendaciones:
• Sólo debe ser usando cuando la capacidad del proceso Cp > 1
(algunos textos sugieren Cp = 2), y cuando se han alcanzado
cero defectos en el proceso.
• Límites de Pre-control
• Existen dos límites de Pre-Control.
• Upper Pre-control Limit (UPCL) y Lower Pre-control Limit (LPCL)
• Cada uno representa ¼ de la distancia entre el límite de
especificaciones inferior (LSL) y el límite de especificaciones
superior (USL)
Pre-control
Pre-control
• Pasos:
• Al iniciar una operación de producción, cinco partes consecutivas deben
caer en la zona verde, de lo contrario, es preciso volver a evaluar la línea
de producción antes de poder iniciar la operación de producción completa
• Una vez que comienzan las operaciones regulares, se toman como
muestra dos partes; si la primera está dentro de la zona verde, la
producción continúa. Si la primera parte queda dentro de la zona amarilla,
se inspecciona la segunda parte. Si la última queda en la zona verde, la
producción puede continuar; de lo contrario, la producción se debe
detener y es preciso investigar una causa especial. Si cualquier a de las
partes cae en la zona roja, es necesario emprender una acción
Pre-control
Pre-control
• Se basa en la hipótesis de que si el proceso está operando
correctamente, la probabilidad de encontrar dos unidades fuera
de los límites de control consecutivamente es demasiado
pequeña. Por lo tanto si dos unidades son encontradas
consecutivamente fuera de los límites de control, es razón
suficiente como para indicar una falla en el proceso.
Pre-control
Pre-control
Diseño de gráficas de control
• Los diseñadores de gráficas de control deben tomar en cuenta
cuatro elementos:
• La base para el muestreo
• El tamaño de la muestra
• La frecuencia del muestro
• La ubicación de los límites de control
Muestreo de Aceptación
• Se lleva a cabo en bienes que ya existen con el fin de determinar
cuál es el porcentaje de productos que se ajustan a las
especificaciones.
-Almacenamiento
Muestreo de Aceptación